利用GOCI数据递归估算浅水湖泊不同深度悬浮泥沙浓度的遥感方法与流程

本发明属于水体质量的评价技术领域，具体涉及一种利用goci数据递归估算浅水湖泊不同深度悬浮泥沙浓度的遥感方法。

背景技术：

水体中悬浮物是指悬浮在水体之中，不能通过孔径为0.45微米滤膜的固体物，悬浮物是影响水体浑浊度、色度、气味的主要水体组分，因此，是重要的水质参数。一些通江湖泊，例如鄱阳湖、洞庭湖、洪泽湖等，其悬浮颗粒主要由悬浮泥沙构成，悬浮泥沙浓度的多少，对于湖岸形态、湖底沉积都具有长期、持续的影响。

由于受到光衰减的影响，太阳辐射往往不能穿透水体，而只能到达一定深度，因此，对于内陆湖泊悬浮泥沙浓度的卫星遥感估算，大多仅是针对表层水体建立悬浮泥沙浓度估算模型，但是，仅仅是表层的计算，无法估算整个湖泊的悬浮泥沙浓度，因而也难以准确评估悬浮泥沙的堆积、漂移、沉降，以及对下游的影响。

建立水体不同深度悬浮泥沙浓度的遥感估算模型，可以结合湖泊水下地形数据，估算湖泊水体泥沙总含量，这将有助于准确评价泥沙输入对沉降、湖岸形态、湖底地形的影响，以及对下游泥沙的输出。

goci((geostationaryoceancolorimager))是韩国发射的coms卫星搭载的水色成像仪，空间分辨率为500m，设置了8个水色遥感波段，由于coms卫星是地球静止卫星，因此，每天可获得8景同一观测区域的遥感影像，该数据可从韩国海洋卫星中心网站下载(http://kosc.kiost.ac/eng/)。goci数据适用于对水体进行遥感监测。

技术实现要素：

本发明的目的是为了解决现有技术的不足，而提供一种利用goci数据递归估算浅水湖泊不同深度悬浮泥沙浓度的遥感方法，该方法利用goci获取的卫星遥感数据，可快速获取全湖从水面到不同深度的悬浮泥沙浓度。

本发明采用如下技术方案：

利用goci数据递归估算浅水湖泊不同深度悬浮泥沙浓度的遥感方法，包括如下步骤：

步骤一：使用coms卫星搭载的水色成像仪对水体进行遥感监测获取水体的goci影像；

步骤二：对获取的水体的goci影像进行大气校正，得到各波段大气校正后的遥感反射率值；

步骤三：利用公式计算表层悬浮泥沙浓度；

步骤四：将水体按深度进行分层，下层水体悬浮泥沙浓度由上层水体递归计算。

其中一些实施例中，所述步骤三中的公式具体如下：tsm0＝4444.41*b2-5867.96*b3+1989.71*b6-8208.35*b7+11190.92*b8-711.26*b8/b4+558.17*b7/b4+34.6，其中，tsm0是表层悬浮泥沙浓度，b2,b3,b4,b6,b7,b8分别是goci的第2、3、4、6、7、8波段大气校正后的遥感反射率值。

其中一些实施例中，采用6s模型对获取的水体的goci影像进行大气校正。

其中一些实施例中，所述步骤四中，采用如下公式进行计算：tsmi+1＝slope*tsmi+intercept，其中，i代表水层数，表层为0，第一层为1，并依此下推，i＝0,1,…,n，tsmi是第i层的悬浮泥沙浓度，slope为递归回归方程斜率，intercept为截距。

其中一些实施例中，所述步骤四中，将水体按0.2m深度间隔进行分层，即从表层向下，每隔0.2m定义一个水层，直至湖底。

其中一些实施例中，所述步骤四中，从表层到2.8m深度公式的参数如下表1：

表1从表层到2.8m深度公式的参数

本发明与现有技术相比，其有益效果为：

本发明针对我国内陆，以悬浮泥沙为主要水体组份的湖泊提出，其中选取了goci数据的6个水色波段。该发明利用卫星遥感数据进行水体不同深度悬浮泥沙浓度的估算，克服了常规遥感监测仅能估算表层水体悬浮泥沙浓度的缺陷，可以快速获取整个水域不同深度的悬浮泥沙浓度，便于对水体悬浮泥沙总量及不同湖区悬浮泥沙空间差异和水生态环境进行整体评价。

附图说明

图1为2016年12月洪泽湖表层水体悬浮泥沙浓度；

图2为2016年12月洪泽湖悬浮泥沙浓度随深度的变化；

图3为本发明表层实测悬浮物浓度与卫星反演结果对比；

图4为本发明0.8米深度实测悬浮物浓度与卫星反演结果对比；

图5为本发明1.6米深度实测悬浮物浓度与卫星反演结果对比。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等效形式的修改均落于本申请所附权利要求所限定的范围。

以下结合实际案例对本发明进行详细说明。

实施例

利用洪泽湖2016年12月获取的goci数据，估算洪泽湖表层到2.8m深度的悬浮泥沙浓度。

实施时：

首先，通过网站(http://kosc.kiost.ac/eng/)下载获取coms/goci数据，数据的地点是洪泽湖，数据时间是2016年12月，数据获取时间为地方时8、9、10、11、12、13、14、15。

其次，对获得的水体的goci影像的所有波段波段，采用6s模型进行大气校正，得到各波段的水面遥感反射率数据。

然后，利用公式1估算洪泽湖水体表层悬浮泥沙浓度：

tsm0＝4444.41*b2-5867.96*b3+1989.71*b6-8208.35*b7+11190.92*b8-711.26*b8/b4+558.17*b7/b4+34.6

公式1

其中，tsm0是表层悬浮泥沙浓度，b2,b3,b4,b6,b7,b8分别是goci的第2、3、4、6、7、8波段大气校正后的遥感反射率值。

利用2016年全年goci数据计算的表层12月平均悬浮泥沙浓度结果如图1所示。

最后，将水体按0.2m深度间隔进行分层，下层水体悬浮泥沙浓度由上层水体递归计算，公式2如下：

tsmi+1＝slope*tsmi+intercept公式2

其中，i代表水层数，表层为0，第一层为1，并依此下推，i＝0,1,…,n，tsmi是第i层的悬浮泥沙浓度，slope为递归回归方程斜率，intercept为截距。

从表层到2.8m深度公式的参数如下表。

表2从表层到2.8m深度公式的参数

利用goci数据计算2016年12月不同深度悬浮泥沙浓度，从8点到15点，悬浮泥沙浓度随深度的变化如图2所示。

利用goci数据估算水体不同深度悬浮泥沙浓度的模型方法的精度验证采用下面方式进行：

利用卫星影像估算值与地面准同步数据进行验证。在卫星过境的前后3小时内获得了地面25个样点的漫衰减系数实测数据，将这些数据与卫星估算的相同样点的数据进行对比，用mape、rmse和mr评价模型精度，结果如图3至图5所示。

其中，n是样本数，yi和y′i分别代表测量值和预测值。

通过图3至图5可以看出，利用goci数据估算水体不同深度悬浮泥沙浓度的模型方法精度高。

上述实施例对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。